Application of Deep Learning Methods in Human Activity Recognition

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: İngilizce

Öğrenci: KEMAL BAYSARI

Danışman: Derya Birant

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Geleneksel sensör tabanlı insan aktivitesinin tanınması (HAR), bir zaman serisi verisi sınıflandırma problemi olarak tanımlanmıştır ve özellik çıkarımı gerektirir. Mevcut HAR sistemleri, insan tarafından anlaşılabilir bilgiler üretebilen şeffaf, yorumlanabilir ve açıklanabilir yaklaşımlardan hala yoksundur. Bu tez, hem açıklanabilirliği hem de tanıma doğruluğunu geliştirmek için HAR problemini bir görüntü sınıflandırma problemi olarak tanımlayan, Sinyal Görüntülerinde İnsan Aktivitesi Tanıma (HARSI) adlı bir yaklaşım önermektedir. Önerilen HARSI yaklaşımı, görüntü verilerinin işlenmesinde evrişimli sinir ağlarının (CNN) güçlü yönlerinden yararlanmak için akıllı sensör verilerini bazı görsel görüntülere dönüştürür. Gerçek dünya veri seti üzerinde gerçekleştirilen deneysel sonuçlar, önerilen HARSI modeli ile geleneksel makine öğrenme modellerine kıyasla önemli bir gelişme kaydedildiğini göstermiştir. Sonuçlar ayrıca, yöntemimizin sınıflandırma doğruluğu açısından son teknoloji yöntemlerden daha iyi performans gösterdiğini göstermiştir.